裂纹型缺陷广泛存在于各种工程构件中,如果不及时处理,裂纹在应力作用下将不断生长扩展,最终导致结构退化与失效,是一种危害性极高的缺陷。因此,采用无损检测技术对结构件进行定期检查,及早发现结构中的微小裂纹并进行处理或安排退役,对保障工业生产安全十分重要。超声相控阵技术是目前工业界主流的缺陷检测方法之一,借助各种成像算法可实时进行缺陷检测,但受到衍射极限的限制,该方法只能用来表征尺寸大于两个波长的裂纹类缺陷。本文针对上述问题,提出基于散射矩阵相似性度量的裂纹型缺陷表征方法,克服传统成像表征方法的不足,实现对小尺寸裂纹与椭圆型缺陷的准确表征。本文的主要研究内容如下:首先,基于超声相控阵与全矩阵采集技术（Full Matrix Capture,FMC）,实现了对实际裂纹型缺陷的全聚焦成像,采用6dB法分别对不同尺寸的裂纹进行表征;采用子阵列成像法从实验FMC数据中提取裂纹散射矩阵,并采用半峰半宽法（Half-Width at Half-Maximum,HWHM）对裂纹进行表征。结果表明,6dB法仅能够准确表征尺寸在两个波长以上的裂纹,而HWHM方法可准确表征方位角较小的亚波长裂纹（尺寸小于一个波长,本文中超声波的波长记为λ）,但无法对方位角大于45°的倾斜裂纹进行表征。其次,利用模拟裂纹理论散射矩阵构建散射矩阵数据库,以散射矩阵数据库为训练集构建基于核回归算法的裂纹参数预测模型,模型选用欧式距离与结构相似性指数（Structural Similarity,SSIM）作为散射矩阵度量,并利用模拟噪声数据研究模型的预测性能,最后进行实验并提取真实裂纹的散射矩阵对模型进行验证。实验结果表明,该方法能准确表征尺寸在[0.4λ,2λ]范围内的裂纹,显著提高了亚波长裂纹的表征精度;但对方位角大于45°的裂纹,表征误差将增大,特别是尺寸的表征误差在多数情况下都超过了0.1λ,而方位角的表征相对误差则在20%以内。再次,分析裂纹参数预测模型预测误差在参数空间上的分布,对散射矩阵距离度量进行优化。其中,对欧氏距离进行全局的核回归度量学习,学习结果在训练集上表现良好,模型的验证集均方根误差（RMSE）降低了29.9%,对大方位角裂纹的表征结果有所改善;对SSIM距离进行局部参数优化,并对实验测量数据进行两步式的表征,结果显示优化后的SSIM距离对裂纹方位角的表征精度进一步提升。最后,从数据降维的角度对缺陷的表征问题进行研究,提出了一种基于局部保持投影（Locality Preserving Projections,LPP）的有监督降维方法,并向目标函数引入噪声约束。在仿真中,将方位角45°与60°的椭圆型缺陷作为测试实例,向无噪声散射矩阵中加入相干噪声用其量化表征不确定性。仿真结果证明所提出的方法对45°椭圆型缺陷降维效果良好,对60°椭圆型缺陷的降维结果相比主成分分析（Principal Component Analysis,PCA）也有所改善。在实验中,结合PCA与LPP开发了一个两步程序对三个60°椭圆型缺陷进行表征,表征结果与实际值很接近,且与PCA相比,有监督LPP方法给出的尺寸误差降低了39.0%。